論文の概要: Large Language Models at Work in China's Labor Market
- arxiv url: http://arxiv.org/abs/2308.08776v1
- Date: Thu, 17 Aug 2023 04:20:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 17:53:21.854468
- Title: Large Language Models at Work in China's Labor Market
- Title(参考訳): 中国の労働市場における大規模言語モデル
- Authors: Qin Chen, Jinfeng Ge, Huaqing Xie, Xingcheng Xu, Yanqing Yang
- Abstract要約: 本稿では,中国労働市場における大規模言語モデル(LLM)の潜在的影響について考察する。
その結果,職業曝露と賃金水準・経験年金との正の相関が示唆された。
また、AI導入による生産性と雇用のトレードオフを定量化するために、産業の露出を取り入れた経済成長モデルも開発しています。
- 参考スコア(独自算出の注目度): 4.19966590731593
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper explores the potential impacts of large language models (LLMs) on
the Chinese labor market. We analyze occupational exposure to LLM capabilities
by incorporating human expertise and LLM classifications, following Eloundou et
al. (2023)'s methodology. We then aggregate occupation exposure to the industry
level to obtain industry exposure scores. The results indicate a positive
correlation between occupation exposure and wage levels/experience premiums,
suggesting higher-paying and experience-intensive jobs may face greater
displacement risks from LLM-powered software. The industry exposure scores
align with expert assessments and economic intuitions. We also develop an
economic growth model incorporating industry exposure to quantify the
productivity-employment trade-off from AI adoption. Overall, this study
provides an analytical basis for understanding the labor market impacts of
increasingly capable AI systems in China. Key innovations include the
occupation-level exposure analysis, industry aggregation approach, and economic
modeling incorporating AI adoption and labor market effects. The findings will
inform policymakers and businesses on strategies for maximizing the benefits of
AI while mitigating adverse disruption risks.
- Abstract(参考訳): 本稿では,中国労働市場における大規模言語モデル(LLM)の潜在的影響について考察する。
Eloundou et al. (2023) の方法論に従って,人間の専門知識と LLM 分類を取り入れた LLM 機能への職業的露出の分析を行った。
次に産業レベルへの職業曝露を集約し、産業曝露スコアを得る。
その結果、職業曝露と賃金水準・経験年金との正の相関が示され、高い賃金と経験集約的な仕事がLCMソフトウェアによる転職リスクが増大する可能性が示唆された。
業界曝露スコアは専門家の評価や経済直観と一致している。
また、AI導入による生産性と雇用のトレードオフを定量化するために、産業の露出を取り入れた経済成長モデルも開発しています。
本研究は、中国におけるAIシステムの労働市場への影響を理解するための分析的基盤を提供する。
主なイノベーションは、職業レベルの露出分析、産業集約アプローチ、ai導入と労働市場効果を組み込んだ経済モデリングなどである。
この調査結果は、aiの利益を最大化し、有害な破壊リスクを緩和するための戦略を政策立案者や企業に提供する。
関連論文リスト
- A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。
我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。
これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
論文 参考訳(メタデータ) (2024-05-02T22:43:02Z) - Beyond Human Norms: Unveiling Unique Values of Large Language Models through Interdisciplinary Approaches [69.73783026870998]
本研究では,大言語モデルの固有値システムをスクラッチから再構築する新しいフレームワークであるValueLexを提案する。
語彙仮説に基づいて、ValueLexは30以上のLLMから様々な値を引き出すための生成的アプローチを導入している。
我々は,3つのコア値次元,能力,キャラクタ,積分をそれぞれ特定の部分次元で同定し,LLMが非人間的だが構造化された価値体系を持っていることを明らかにした。
論文 参考訳(メタデータ) (2024-04-19T09:44:51Z) - WESE: Weak Exploration to Strong Exploitation for LLM Agents [95.6720931773781]
本稿では,オープンワールド対話型タスクの解法において,LLMエージェントの強化を目的としたWeak Exploration to Strong Exploitation (WESE)を提案する。
WESEは、探究と搾取のプロセスを分離し、費用対効果の弱いエージェントを用いて世界的知識の探索を行う。
次に、獲得した知識を格納し、タスク関連知識を抽出する知識グラフベースの戦略を導入する。
論文 参考訳(メタデータ) (2024-04-11T03:31:54Z) - Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
大規模言語モデル(LLM)は、システムの異なる部分への介入の下で因果効果を推定することができる。
LLMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを実証分析して評価する。
我々は、様々な因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成し、介入に基づく推論の研究を可能にする。
論文 参考訳(メタデータ) (2024-04-08T14:15:56Z) - Large Language Model-Empowered Agents for Simulating Macroeconomic
Activities [48.562881909568354]
大規模言語モデル(LLM)は、最近、自律的な人間のような特徴を提供することで有名になった。
我々は,人為的な意思決定と適応性を示すために,プロンプトエンジニアリング駆動型LLMエージェントを設計する。
我々の研究は、LLMとその人間的特性に基づいてマクロ経済学をシミュレートする有望な可能性を実証している。
論文 参考訳(メタデータ) (2023-10-16T14:19:40Z) - Enhancing PLM Performance on Labour Market Tasks via Instruction-based
Finetuning and Prompt-tuning with Rules [0.9790236766474201]
労働市場特化アプリケーションにおけるプレトレーニング言語モデル(PLM)の即時チューニングの有効性を示す。
この結果から,PTRや命令チューニングのようなコスト効率のよい手法が,PLMの性能を大幅に向上させる可能性が示唆された。
論文 参考訳(メタデータ) (2023-08-31T14:47:00Z) - ExpeL: LLM Agents Are Experiential Learners [60.54312035818746]
実験学習エージェント(ExpeL)を導入し、パラメトリック更新を必要とせずにエージェント体験から学習できるようにする。
我々のエージェントは、経験を自律的に収集し、学習課題の集合から自然言語を用いて知識を抽出する。
推論において、エージェントは抽出された洞察と過去の経験をリコールし、情報的決定を行う。
論文 参考訳(メタデータ) (2023-08-20T03:03:34Z) - AI exposure predicts unemployment risk [1.5101132008238312]
AI暴露のどのモデルが仕事の分離や失業リスクを予測するかを評価する。
個々のAI露出モデルは失業率、失業リスク、仕事分離率の予測にはならない。
我々の結果はまた、AI暴露を評価するための動的、文脈認識、検証された方法も求めている。
論文 参考訳(メタデータ) (2023-08-04T15:21:07Z) - GPTs are GPTs: An Early Look at the Labor Market Impact Potential of
Large Language Models [14.639532188126664]
米国労働市場における大規模言語モデル(LLM)の可能性について検討する。
調査の結果、米国の労働力の約80%が、少なくとも10%の作業タスクに影響を及ぼす可能性があることがわかった。
論文 参考訳(メタデータ) (2023-03-17T17:15:20Z) - Practical Skills Demand Forecasting via Representation Learning of
Temporal Dynamics [4.536775100566484]
急速な技術革新は、世界の労働力の多くを置き去りにする恐れがある。
政府や市場は、スキルの供給が需要の変化に反応する速度を早める方法を見つけなければならない。
本稿では,10年間の月次技術需要観測を用いて,複数段階の予測を未来に向けて一斉に行うパイプラインを提案する。
論文 参考訳(メタデータ) (2022-05-18T04:02:55Z) - AI and Shared Prosperity [0.0]
人間の労働を自動化するAIの今後の進歩は、労働市場や不平等に深刻な影響を及ぼす可能性がある。
本稿では,労働市場における特定のタイプのAIシステムの効果を,労働需要がどれだけの規模で生み出すかによって分析する枠組みを提案する。
論文 参考訳(メタデータ) (2021-05-18T12:37:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。